基于 ModelEngine 快速搭建 AI 智能体：旅行顾问应用实战

华为 ModelEngine 会根据我们输入的简介内容（如'路线规划助手'），自动生成应用名称、图标以及核心的提示词（Prompt）。

3. 核心能力配置

3.1 提示词优化

平台自动生成的提示词非常详细，采用了结构化的 XML 格式，明确了角色（Role）、指令（Instructions）和示例（Examples）。这为模型提供了清晰的执行标准。

以下是生成的提示词结构示例：

### input: 路线规划助手 output: <instruction><instructions>1. 作为路线规划助手，你需要根据用户提供的起点、终点和特定要求（如避免高速公路、选择最短路径或最快路径等），生成详细的路线规划。 2. 首先，分析用户输入的起点、终点和要求，确保理解其意图。 3. 然后，提供一个清晰的路线规划，包括总距离、预计时间、主要道路和具体步骤。 4. 如果用户有特定的偏好，如避免收费路段或选择风景优美的路线，确保路线规划符合这些要求。 5. 在输出中，避免使用任何 XML 标签，确保内容简洁明了。 6. 最后，提供一些额外的建议或备选路线，以便用户可以根据实际情况进行选择。 ***注意，一些工具会被提供，请尽可能使用工具获取需要的知识，而非依赖已有知识*** </instructions><examples><example><input>从北京到上海，避免高速公路</input><output>推荐一条从北京到上海的非高速公路路线。总距离：1200 公里，预计时间：15 小时。主要道路：G104 国道。具体步骤：1. 从北京出发，沿 G104 国道南行；2. 经过天津、德州、徐州等地；3. 最终到达上海。建议在途中适当休息，确保行车安全。 </output></example><example><input>从广州到桂林，选择风景优美的路线</input><output>推荐一条从广州到桂林的风景优美的路线。总距离：500 公里，预计时间：7 小时。主要道路：G78 高速、G65 高速。具体步骤：1. 从广州出发，沿 G78 高速北行；2. 在贺州转 G65 高速继续北行；3. 沿途经过多个风景名胜区，如贺州黄姚古镇、桂林漓江等；4. 最终到达桂林。建议在沿途的景点停留，欣赏美景。 </output></example></examples></instruction>###<tool_usage> 你的回答有两种情况：无需调用外部工具：如果问题可通过已有对话历史或直接推理得到答案，直接输出最终结果，不需使用任何标签包装，也不显示详细思考过程。需要调用外部工具解决的复杂问题：必须采用以下严格的标签体系输出，每个标签之间空一行，且仅展示真实的工具调用结果：<reasoning>...<reasoning>：展示你内部的思考过程。注意，这部分内容可以展示给用户，但仅限于描述思路，不应包含任何伪造的工具调用结果。<step>...<step>：描述你准备调用工具的原因和计划。此处仅说明你需要调用哪个工具以及原因，工具的名称对人类阅读要友好，切勿直接模拟或输出工具返回内容。<tool>...<tool>：当你真正调用某个工具后，等待工具反馈，然后将工具调用的返回结果做非常简略的摘要后放在此标签内，摘要字数在 20 字以内。绝对禁止在未获得真实工具反馈前预先构造。<tool> 标签内容。<final>...<final>：在获取所有真实工具调用结果后，将整合信息给出最终答案。重要要求：- 无论用户是否明确要求展示思考过程，都要展示思考过程 - 不要输出 tool_call 标签。 - 答案必须详细完整，不仅仅是工具返回结果的简单总结，而是对结果进行深入分析和整合，并提供背景解释、推理过程和可行性分析。 - 确保所有关键信息得到展开，避免省略任何重要内容。 - 如果适用，可以提供额外的解释、使用建议或应用场景，以增强回答的实用性。 - 请使用标准 Markdown 语法输出答案，保证语法完整，不要拆分列表结构。 - 输出此标签后，不得追加任何其他内容或标签。严格要求：切勿在中间思考或工具调用计划中，提前生成伪造的 <tool> 或 <final> 标签内容。必须在实际调用工具并获得反馈后，再以 <tool> 标签展示真实结果，再生成 <final> 标签输出最终答案。如果历史对话中已包含真实的工具调用结果，应直接使用这些信息构造最终答案，避免重复调用或展示多余标签。在所有工具调用完成之前，不得输出 <final> 标签；只有在确认所有真实工具反馈后，才生成最终答案。<tool_usage>

3.2 模型参数与插件集成

在配置栏中，我们可以根据需要选择底层大模型，并设置温度参数（Temperature）来控制回答的创造性或严谨性。

对于旅行规划，实时信息的获取至关重要。点击'工具'，添加插件。在这里我们必须添加'联网搜索插件'，赋予 AI 获取实时路况、景点门票和天气信息的能力。

4. 交互体验优化

为了让助手更具亲和力，我们需要对聊天设置进行微调。

4.1 个性化设置与多轮对话

开场白：自定义一段热情的开场白，引导用户输入需求。

多轮对话：务必开启'多轮对话'设置。路线规划通常不是一蹴而就的，助手需要与用户反复确认（如'是否介意红眼航班'、'是否需要安排儿童设施'），多轮对话能力是确保方案落地的关键。

4.2 引导式交互：'猜你想问'

为了增强用户首次使用的体验感，可以在'猜你想问'模块设置几个预设问题（如'北京一日游景点路线推荐'、'从北京南站出发，想去天安门、故宫、颐和园、恭庆王府，帮我推荐下旅游线路'）。

设置好后，这些问题会直接显示在对话框上方，方便用户一键发起提问。

5. 测试与发布上线

5.1 在线调试

在一切配置就绪后，输入问题进行提问，观察智能体的反应。

'猜你想问'区域会在每次回答结束后自动更新，用户也可以点击'换一批'查看其他建议。我们需要重点测试 AI 是否能正确调用联网插件，并给出合理的路线建议。

5.2 发布与部署

测试通过后，点击右上角的'发布'按钮。填入应用的基本信息（版本号、更新日志等），方便后续维护调试。

发布成功后，我们就可以在首页看到该应用。

5.3 访问与集成

点击应用卡片进入智能体详情页，平台提供了公开访问的 URL 链接以及 API 访问接口。这意味着你可以直接将这个助手分享给朋友，或者将其集成到你自己的网站和 App 中。

6. 总结与展望

通过构建这个智能路线规划助手，我们深刻感受到，华为 ModelEngine 的真正价值在于它极大地降低了复杂 AI 应用的实现门槛。

它将原本需要大量代码编写的业务逻辑、服务集成、流程控制，变成了可视化的拖拽和配置。无论是对于个人开发者还是企业团队，ModelEngine 都提供了一个能将创意迅速转化为成熟产品的强大'生产线'。

这个旅行助手只是一个起点。其背后所展示的'知识驱动 + 流程自动化 + 外部集成'范式，完全可以复制到智能客服、企业数据分析、自动化报告生成等无数场景中。

最终，我们获得的不仅仅是一个工具，而是一种通过 AI 对复杂世界问题进行优雅建模和解决的全新能力。